high-quality datasets | BriefGPT

关键词high-quality datasets

搜索结果 - 5

APIGen：生成可验证和多样化函数调用数据集的自动化流水线
该论文介绍了 APIGen，一种自动化数据生成方法，旨在合成可验证的高质量数据集以支持函数调用应用。通过 APIGen，作者收集了 21 个不同类别的 3,673 个可执行 API，以可扩展和有结构的方式生成多样的函数调用数据集。而且，通过
PDF10 days ago
自监督学习的自动数据整理：一种基于聚类的方法
自我监督特征是现代机器学习系统的基石，本文提出了一种基于聚类的自动化数据精选方法，通过在大规模和多样化的数据库上应用层次聚类和均衡采样的步骤，构建了大型、多样化且均衡的数据集，实验证明基于这种自动化精选的数据集训练得到的特征在三个不同领域的
PDFa month ago
COLING高质量文本转语音数据集生成的自动化端到端开源软件
通过集成特定语言的音位分布、自动化录制过程、自动化和人机协同质量保证、以及记录的处理以符合指定格式，本文引入了一种端到端工具以生成文本到语音 (TTS) 模型的高质量数据集，以满足对高质量数据的重要需求，从而简化 TTS 模型的数据集创建过
PDF4 months ago
TinyGSM: 使用小型语言模型在 GSM8k 上达到 80% 以上
通过使用小规模模型并结合高质量的数据集，我们的研究探索了如何提升小型语言模型在解决小学数学问题时的数学推理能力，并通过引入 TinyGSM 数据集和验证器的方法，实现了在 GSM8K 基准测试中超过 80% 的准确率，同时在模型规模上远远超
PDF7 months ago
RefGPT: GPT 参考真实和定制对话生成
本研究提出了一种名为 RefGPT 的方法，通过与给定参考文本比较而非基于模型知识生成对话，从而解决了现有对话生成模型会产生虚假对话的问题。同时，本文还通过该方法生成了两个高品质对话数据集，分别基于事实知识和编码场景。
PDFa year ago